Un réseau de neurones dévoile la lumière primordiale ✎ express

Original: "A Fast Generative Framework for High-dimensional Posterior Sampling: Application to CMB Delensing"
arXiv:2603.04535 · 2026-03-04 · arXiv non-exclusive · analyse indépendante · 1 min
Un algorithme rapide dissipe le voile gravitationnel de la lumière la plus ancienne, nous rapprochant des mystères de la naissance de l'Univers.

La lumière née au moment du Big Bang a voyagé vers nous pendant près de 14 milliards d'années. Mais en chemin, elle a traversé les champs gravitationnels des galaxies et des amas de matière noire, qui ont courbé ses rayons. Pour un observateur, cela ressemble à une image étirée et floutée par une vieille vitre.

Cet effet — le lentillage gravitationnel — transforme le cosmos en une immense lentille déformante.

Le nouvel algorithme, basé sur un réseau de neurones, « essuie » cette vitre. Il s'entraîne sur des simulations informatiques du rayonnement fossile déformé, afin de reconstituer ensuite le motif originel — bien avant l'apparition des premières étoiles. La méthode est des dizaines de fois plus rapide que ses prédécesseurs et ne craint pas les légères variations des paramètres fondamentaux, comme la distribution de la matière noire et le rythme de l'expansion de l'Univers.

L'idée des lentilles gravitationnelles a été proposée par Fritz Zwicky en 1937. Cependant, le rayonnement fossile lui-même a été découvert plus tard par Arno Penzias et Robert Woodrow Wilson, qui ont reçu pour cela le prix Nobel.

Chaque seconde, des millions de particules du rayonnement fossile traversent votre corps — des échos du Big Bang refroidis jusqu'à devenir un infime bruit radio.

En retirant la lentille gravitationnelle, on peut imaginer que l'on observe l'Univers avant même sa naissance — comme dans « Interstellar », où une lumière déformée ouvre la voie vers une autre dimension.

Scientifiques
Fritz ZwickyRainer SachsGeorges LemaîtreRalph AlpherStephen HawkingEdwin Hubble
Notions
algorithme de Metropolis-Hastings modèles de diffusion échantillonnage de Gibbs distribution a posteriori échantillonnage imbriqué modèle génératif modélisation de lentille gravitationnelle inférence bayésienne Monte Carlo hamiltonien grands modèles de langage bootstrap régression par processus gaussien chaîne de Markov Monte Carlo processus gaussien microlentille gravitationnelle Microlentille gravitationnelle simulation cosmologique inflation cosmique fond cosmique reconstruction de microlentille par réseau de neurones